文章核心观点 - 自动驾驶与具身智能在技术路径和商业落地上存在根本性差异 自动驾驶旨在解决场景的泛化问题 而具身智能旨在解决行为的泛化问题 [1] - 自动驾驶的商业落地意味着终局 具有研发门槛高、复用性强、场景单一且安全要求极高的特点 [4][5] - 具身智能的商业落地则像大树长出的枝桠 在不同发展阶段都能找到多样化的应用场景 对错误的容忍度更高 商业路径更为灵活 [6] 自动驾驶与具身智能的泛化性差异 - 自动驾驶的核心是解决**场景的泛化性** 即对当前场景进行全面理解并做出相应决策 例如识别锥桶需要刹车 但识别载有锥桶的工程车则无需刹车 [2] - 自动驾驶技术演进从多段式模块规则 到端到端监督轨迹 再到VLA和世界模型路线 本质都是为了提升对场景信息的理解与监督 [2] - 当前自动驾驶量产（尤其是L2辅助驾驶）的最大困扰仍是场景认知能力不足带来的corner case 例如导航理解错误、奇怪的施工场景、未见的指示牌等 这些认知泛化是技术突破的最后难点 [2] - 具身智能的核心是解决**行为的泛化性** 聚焦于在特定任务上泛化各种带扰动的状态和行为 例如在倒咖啡任务中应对杯子被碰倒、制作不同咖啡种类、接收者手部位置不同等扰动 [3] - 从Physical Intelligence的PI系列论文看 模型成功率提升最明显的阶段是在单任务专家数据上进行微调 机器人需要足够鲁棒地完成长程任务 [3] 自动驾驶的商业落地特点 - 自动驾驶取代的是单一场景（从A点到B点） 对安全性底线要求极高 例如无人出租车可能有过半代码与安全相关 因此呈现**研发门槛高、复用性强**的特点 [5] - 行业曾狂热追求L4级别无人驾驶（如无人出租、无人重卡） 但商业铺开时问题频发 例如Cruise因事故频发关闭运营 经历起伏后 Waymo、百度、小马智行等公司的无人出租业务在2024年才逐渐重新铺开 [5] - 特斯拉引领的L2辅助驾驶是重启商业落地的关键 得益于驾驶员接管兜底 其AI路线成功推动了辅助驾驶的商业落地 [5] - 自动驾驶是一个研发门槛极高的技术 其数据闭环、仿真工具链、训练平台等研发工具每个都足以支撑一家独立公司 [5] 具身智能的商业落地特点 - 具身智能在不同发展阶段都能找到商业落地场景 虽然规模远小于自动驾驶 但**场景更为多样化** [6] - 基于传统算法的工业机器人已在流水线运行 针对单一服务场景的机器人Demo也已出现 例如Physical Intelligence的博客显示其机械臂已可连续十小时制作咖啡 [6] - 具身智能落地场景的安全限制相对宽松 人们对错误的容忍度远高于自动驾驶 这使得一些公司（如Sunday Robotics）可以更早地专注于应用场景开发 [6]

文章核心观点 - 由华科、小米和清华AIR团队提出的SparseOccVLA模型，通过创新的稀疏占据查询，成功统一了自动驾驶中的视觉语言模型与语义占据表示，在场景理解、占据预测和轨迹规划等核心任务上均展现出卓越性能 [2][3][32] 背景与挑战 - 自动驾驶领域，视觉语言模型擅长高层语义理解与推理，而语义占据能提供精细、结构化的空间细节，但两者长期独立发展，缺乏有效融合 [2][4] - 传统视觉语言模型在处理自动驾驶多视角视频流时面临token数量爆炸和时空推理能力受限的问题 [2][4] - 语义占据表示过于稠密，难以高效地与视觉语言模型集成，且其低水平表征难以对齐到高水平的语言空间 [2][4][9] 方法创新 - SparseOccVLA的核心是采用一个轻量级的稀疏占据编码器，生成紧凑但信息量极高的稀疏占据查询，作为连接视觉与语言的唯一桥梁 [2][3][14] - 这些稀疏查询被对齐至语言空间，并由大语言模型进行统一推理，实现场景理解与未来占据预测 [3][14] - 模型提出了一种LLM引导的Anchor-Diffusion规划器，通过解耦的锚点打分与去噪过程以及跨模型的轨迹条件融合机制，提升规划性能与稳定性 [3][20][22] - 稀疏占据查询仅关注真实空间中的实体，信息密度和token利用率极高，仅需数百token即可表征完整场景，远低于基于BEV的方法所需的数千token，训练和推理高效 [17][18][23] 实验结果 - 在OmniDrive-nuScenes的场景理解任务中，SparseOccVLA的CIDEr指标达到0.796，相较于当前最优方法HERMES的0.741，实现了7%的相对提升 [23] - 在Occ3D-nuScenes的未来3秒语义占据预测任务中，SparseOccVLA的平均mIoU达到13.71，超越了之前的SOTA方法Sparse World的13.20 [23][24] - 在nuScenes的开环规划基准测试中，SparseOccVLA仅使用稀疏占据查询作为感知输入，即取得了当前最优性能，证明了其强大的泛化潜力 [25][26] - 消融实验表明，移除占据编码器监督会导致语言指标显著下降，移除3D位置编码则模型无法收敛，证明了显式几何语义引导和空间拓扑结构建模的重要性 [27] 技术优势与意义 - SparseOccVLA能同时准确识别远处的行人、车辆等几何物体，以及红绿灯状态、车道线等非几何元素，得益于其完全端到端的设计保留了原始视觉信号 [31] - 该方法提供了一个超越传统基于MLP、Q-Former和BEV的视觉-语言对齐新范式，有望促进跨领域研究并推动自动驾驶社区发展 [32]

涉及的行业与公司 * **行业**：智能驾驶/自动驾驶行业，涵盖L2+辅助驾驶、L3有条件自动驾驶及L4 Robotaxi[1] * **公司**： * **技术/芯片供应商**：英伟达、地平线、华为、特斯拉[2][12][14] * **整车厂/OEM**：小鹏、理想、比亚迪、长安、北汽、吉利、广汽、特斯拉[3][11][12][14] * **自动驾驶公司**：小马智行、文远知行、百度（萝卜快跑）、元戎、卓玉[10][11][12] 核心观点与论据：技术与生态 * **英伟达开源模型降低技术门槛**：英伟达开源了参数量约10B的Alpaca模型及配套生态（推理脚本、仿真框架、物理AI数据集），旨在降低Robotaxi规模化落地和L2+技术普及的算法壁垒，将竞争焦点转向工程与运营能力[1][2] * **技术短板与解决方案**： * **极端天气适配**：通过模态增强（更换雷达、热成像摄像头）、监督学习及仿真环境生成场景进行训练[7][8] * **施工路段识别**：依赖视觉与语言理解（VLA）模型识别临时标识，或通过实时广播信息辅助决策[8] * **安全冗余**：采用多芯片方案实现算力冗余，线控失效时通过冗余系统触发物理制动器紧急停车[8] * **用户信任构建**：需提供可解释性决策与透明披露机制，例如利用VLA或事件模型生成异常行为推理链条[8] * **技术迭代与性能预期**：各厂商技术方案持续迭代，预计在2026年3月左右达到当前技术站的最优状态，平均NOH里程有望从15-20公里提升到30-40公里[3][13] * **模型迭代存在回退现象**：多家厂商在更新模型后出现性能回退，例如小鹏第二代VLA性能不如上一代，华为WMWA架构性能回退约10%-20%，理想、元戎、卓玉等也有类似情况[12] 核心观点与论据：政策与监管 * **北美政策趋于宽松**：政策变化包括简化豁免审批（允许无方向盘/踏板车型路测）、放宽非商业场景安全要求、推动全国统一接管法规，旨在加速技术测试、部署和商业化进程，缩短从Demo到付费运营的周期（从约两年缩短至一年）[1][5][6] * **安全可解释性成为监管重点**：美国NHTSA要求车企详细报告ADAS事故数据，趋向更细颗粒度的行为日志，强调算法系统的可解释性与审计性[4] * **中国政策与商业化节奏**： * **L3破冰**：2026年将成为L3商业化元年，工信部已公布准入许可，预计从二季度起逐步向C端用户开放（特定区域与时段），责任主体从驾驶员转向系统与车企[11] * **Robotaxi发展**：采取多层试点、小规模车队、政策稳步开放的节奏，建议在条件成熟的示范区（如粤港澳、京津冀、成渝）一次性放开更大规模OTA指标并实施跨城运营，以提高ROI[9][10] * **法规建设**：需建立国家级自动驾驶技术评估框架，明确L3/L4准入及路权规划的统一红线或绿线[10] 核心观点与论据：市场与商业化展望 * **2026年关键进展**： * **L3带条件商业化**：主要应用于高速公路，推动供应链能力提升[11] * **Robotaxi规模扩展**：广汽、小鹏等计划推出L4车型，小马智行、百度扩大规模并在海外试点，全年可能形成数万台规模，其中萝卜快跑车辆约1万多台[11] * **企业持续迭代**：主流企业在地平线、大黄蜂等在新模型、新方法论上的调参优化进展将影响行业整体发展[11] * **渗透率预期**：预计2026年L2辅助驾驶渗透率将提升到70%，城市NOA渗透率突破15%，L3占比预计为1%-2%，并逐步向10-15万级别的低价车型扩展，竞争激烈[3][16] * **行业竞争格局**：2026年是智驾分化和决赛的一年，厂商间差距较小（例如华为领先约四个月），Q3可能出现领先体验状态变化，部分厂商可能被淘汰，需关注特斯拉V13.4版本在Q3的潜在显著提升[14][15] 其他重要内容 * **国内技术发展建议**：需关注技术科学性和长期复现能力，补充可解释性；重视仿真和物理AI应用以优化样本分布，而非单纯依赖实车里程数据（因现有数据多来自普通直路，对模型提升意义不大）[9][10] * **国内Robotaxi运营标准**：目前没有硬性的百公里接管次数等指标标准，仅有软指标评价评估框架，具体细则由各地制定[10] * **开源模型对头部公司辅助有限**：对于已具备能力的一、二梯队自动驾驶公司，英伟达开源模型帮助不大，主要借鉴其数据处理及因果推理策略以补充已有系统[5] * **Tier 1供应商角色**：可快速打包产品方案给更多主机厂，加速L2+技术下沉[4]

文章核心观点 - 汽车智能化产业正处在高速发展阶段，L3级自动驾驶已迈入商业化应用门槛，产业链各环节渗透率持续提升，技术迭代与资本运作活跃，行业竞争格局加速演变 [10][15][19][29] 行业政策与法规进展 - 工信部正式许可两款L3级自动驾驶车型产品，标志着中国L3级自动驾驶从测试阶段迈入商业化应用的关键一步 [10] - 特斯拉FSD在中国获得“部分批准”，马斯克透露有望在2026年2月或3月左右获得全面批准 [11] - 小鹏汽车、小米汽车、比亚迪等多家公司已获得L3级自动驾驶道路测试牌照，并启动常态化测试 [12][13] 资本市场动态 - 希迪智驾于2025年12月19日在港交所主板上市，成为港股“商用车智驾第一股”，全球发售540.798万股，发行价263港元/股，募资总额14.22亿港元 [14][15] - 图达通于2025年12月10日以De-SPAC模式在港交所主板上市，募集资金约10.3亿港元 [19] - 禾赛科技、地平线等产业链公司此前已完成在港交所或纳斯达克上市 [3][17] 智能驾驶渗透率与核心数据 - **整体渗透率**：2025年10月，乘用车行业L2级以上功能渗透率达33%，同比提升19个百分点，其中高速NOA渗透率33.8%，城区NOA渗透率16.2% [7][8] - **传感器**： - 前视摄像头渗透率66.1%，其中800万像素摄像头占比达49.7%，同比大幅提升31个百分点 [6] - 激光雷达渗透率达14.3%，同比提升7.9个百分点，市场占有率华为（40%）、禾赛科技（32%）、RoboSense速腾聚创（20%）、图达通（7%） [6] - **域控制器**：2025年10月驾驶域控渗透率32.6%，同比提升16.9个百分点，其中英伟达芯片占比达58%，同比提升22.2个百分点，华为芯片占比15% [6][8] 智能座舱渗透率 - 2025年10月，10寸以上中控屏渗透率85.2%，HUD渗透率22.8%，座舱域控制器渗透率29.5% [9][10] - 华阳集团HUD产品全球累计出货量已超过350万台，位列国内供应商第一，其斜投影AR-HUD产品获得某国际车厂平台性项目定点 [16] 产业链合作与业务进展 - **激光雷达**： - RoboSense速腾聚创获得东风日产多款车型前装量产定点，订单规模接近百万台，预计2026年启动量产交付 [17] - 禾赛科技与美团无人机达成战略合作，其第二代纯固态激光雷达FTX获得美团无人机量产定点 [18] - **芯片与解决方案**： - 地平线与元戎启行合作，基于征程6P开发高阶辅助驾驶解决方案 [20] - 地平线首批基于单征程6M的城区辅助驾驶方案进入量产期，合作伙伴包括博世、卓驭等，旨在将城区辅助驾驶普惠至10万元级别车型 [20] - 黑芝麻智能与元戎启行达成深度合作，围绕高阶辅助驾驶解决方案展开协同创新 [21] - **商业化落地**： - 文远知行Robotaxi已成功驶入全球10多座城市，在阿布扎比等地开启纯无人商业运营，预计到2025年底全球车队规模将达到约1000辆 [13] - 均胜电子与斯年智驾合作开发的智慧港口数字化管理平台已在宁波港投用，综合提升车辆调度效率15%，路径规划精准性10% [22][23] - 奔驰与Momenta合作，计划在2026年1月推出的新一代S级轿车上搭载L4级自动驾驶技术，进军阿布扎比自动驾驶出租车市场 [26] - Stellantis与出行平台Bolt合作，探索L4级自动驾驶汽车在欧洲的商业化运营 [25] 品牌智能化水平差异 - 2025年1-10月累计，新势力品牌（特斯拉、蔚来、小鹏、理想等）L2级及以上功能渗透率基本在100% [30][32] - 头部自主品牌如比亚迪、长城汽车L2级及以上渗透率分别达68.7%和92.4%，领先于多数合资品牌 [30][32]

文章核心观点 - 英伟达（Nvidia）最新发布的以Alpamayo为核心的自动驾驶研发生态体系，难以真正撼动特斯拉（Tesla）FSD的领先地位 [3] - 英伟达的商业模式本质是推动算力销售，而非提供成熟的自动驾驶成品，因此缺乏在技术上挑战其最大客户特斯拉的强烈动力 [4][6][9] - 自动驾驶竞争的核心要素是算法、算力和数据，英伟达在数据层面存在明显短板，其发布的Physical AI数据集规模（1700多小时）与特斯拉数百万辆车的实时数据采集能力相比差距巨大 [10][11] - 英伟达试图通过其仿真技术（如AlpaSim、Issac）来弥补数据不足，但自动驾驶端到端仿真技术尚不成熟，且高度依赖大量真实数据，难以实现“弯道超车” [11][12][14] - 英伟达自动驾驶生态的成败最终取决于量产落地，而非技术演示（Demo）；目前其在海外与奔驰的合作进展未达预期，行业呈现特斯拉一家独大格局 [15][17] - 中国自动驾驶市场格局与海外不同，供应商（如华为、地平线）崛起且软硬件一体化，对英伟达的算力核心地位构成挑战，英伟达在中国市场也面临不确定性 [18] - 如果自动驾驶行业出现类似安卓的“开放时刻”，最大可能将发生在中国，而非由英伟达引领 [19] 根据相关目录分别进行总结 英伟达的商业模式与战略动机 - 商业模式以销售底层算力为核心，发布的Alpamayo 1推理模型、AlpaSim仿真框架及Physical AI数据集本质是提供研发生态工具包（Tool Kit），旨在推动客户在模型训练、车端部署和云端仿真上更多使用英伟达算力 [4][8] - 战略是“授人以渔”而非“授人以鱼”，通过提供开源模型和易用工具降低客户自研启动成本，鼓励客户依赖英伟达算力进行后续迭代，而非提供“开盒即用”的成熟系统 [5][6] - 英伟达与特斯拉并非直接竞争关系，特斯拉是其汽车行业最大客户，两者创始人关系良好；英伟达更希望看到行业“百家争鸣”的军备竞赛局面，而非一家独大或出现单一的“自动驾驶安卓”供应商 [6][9] 自动驾驶竞争的核心要素对比（算法、算力、数据） - **算法与算力**：英伟达在人才（算法）和算力方面具备顶级实力 [10] - **数据短板**：英伟达发布的Physical AI数据集覆盖25个国家（仅美欧）、2500多个城市，总数据量约1700多小时，其中美国数据占50%；该规模对于学术研究尚可，但对于量产研发则显不足 [10][13] - **数据获取能力**：特斯拉拥有遍布全球的数百万辆装备传感器车队进行实时数据采集；英伟达缺乏自有车队，主要通过自采、与车企（如奔驰）合作及投资创业公司（如Wayve, Waabi）获取数据，但在特斯拉约七百万用户车队面前相形见绌 [10][11] 仿真技术的局限性与挑战 - 英伟达将仿真技术（如Issac、AlpaSim）视为弥补数据短板的关键战略，其在计算机图形学和物理引擎仿真领域积累深厚 [11] - 但自动驾驶端到端仿真更依赖于3D重建和生成式AI（世界模型），这类数据驱动技术本身需要大量真实数据训练才能达到逼真效果 [12] - 英伟达因缺乏足够自动驾驶原始数据，只能从泛化视频生成模型出发再用少量数据微调，这在复杂的具身智能物理AI领域尚未走通；自动驾驶仿真只能“锦上添花”，难以“无中生有” [14] - 机器人仿真的成功（如跑酷Demo）建立在封闭静态环境，而自动驾驶仿真需应对复杂多变的交通场景与其他交通参与者，难度更高 [12] 量产落地进展与行业格局 - **海外市场**：英伟达与奔驰的量产合作（原计划2024年推出L2+功能）进展未达预期；截至2025年底，海外车企中仅Rivian发布了AI Day展示辅助驾驶功能，但其方案依赖地图，Demo的端到端方案仍处初期，难以威胁特斯拉 [17] - 英伟达发布Alpamayo旨在提振海外车企信心，组建“复仇者联盟”对抗特斯拉，但成功与否取决于能否快速推出有竞争力的量产产品 [17] - **中国市场**：行业格局不同，早期以头部车企自研为主，但伴随华为、地平线、Momenta等强大供应商崛起及行业极度内卷，部分车企转向购买供应商方案；供应商呈现赢家通吃趋势，并开始涉足算力领域，对英伟达生态构成挑战 [18] - 英伟达若想将中国车企留在其生态内，需证明其仿真系统和模型参数扩展（Scaling）的有效性，并期待头部车企在自研上取得突破，难度和不确定性很大 [18]

行业投资评级 - 评级：增持 [1] 报告核心观点 - 上海发布《“模速智行”行动计划》旨在加速智能网联技术创新向产业竞争力转化 推动上海高级别自动驾驶由示范走向规模化商业化 [3] - 建议积极关注自动驾驶大模型与训练评测基础设施 车载算力与车规软硬件 以及港口重卡和公共交通 [3][5] 行动计划总体目标与思路 - 行动计划由上海市经信委 交通委 公安局于1月7日联合印发 总体思路为“模型驱动引领 应用示范带动 产业协同发展 政策举措支撑” [5] - 提出到2027年建成全球领先的高级别自动驾驶引领区 实现应用场景规模化 创新要素体系化 产业能级高端化 [5] - 具体目标包括：L4级技术在出租 重卡等场景规模化落地 实现载客超600万人次 载货超80万TEU [5] - 建成数字孪生训练场等平台 开放测试区域2000平方公里 道路超5000公里 覆盖多类场景 [5] - L2/L3级新车占比超90% 实现L4级量产 关键技术自主可控 形成完整产业生态 [5] 多样化应用场景规划 - 乘用车领域：组织智能出租示范运营 试点L3级乘用车上路 探索其在个人及单位出行场景的应用并扩大量产规模 [5] - 商用车领域：在“五个新城” 交通枢纽推进技术应用 推动洋山港智能重卡向“单车全无人”升级 以“奉浦快线”试点探索公交智慧运营 [5] - 无人装备领域：以城市巡检等为切口打造高价值应用场景 探索无人车 自主泊车的运营标准 [5] 产业生态与政策支撑 - 推进车载芯片等关键技术攻关 培育优质企业并推动智驾大模型的产学研合作 [5] - 以浦东等区域为重点 牵头打造世界级智能网联汽车产业集群与特色产业园 [5] - 支持建设测试验证平台 推进仿真技术应用 强化自动驾驶系统验证能力 [5] - 保障措施从政策 金融 人才 区域协同四个维度发力 包括完善政策与安全体系 拓宽融资渠道与创新保险 引育高层次与高技能人才 实现全市及长三角测试互通互认 [5]

报告行业投资评级 - 报告未明确给出整体行业投资评级 报告的核心观点 - AI算力需求确定性强，台积电资本开支大幅增长及HPC业务高增长印证了AI训练/推理算力需求的持续强劲 [5][19] - AI Agent正逐步进入工作流，Anthropic推出的Cowork功能标志着AI从对话工具向自主代理升级，有望推动生产力工具革命 [5][19] - 美国自动驾驶政策取得关键进展，SELF DRIVE Act有望大幅提升车辆豁免上限并确立联邦优先权，将推动L4级无人车大规模部署 [5][19] - 服务器CPU市场呈现供不应求格局，AMD与英特尔库存售罄并计划提价，主要受超大规模云厂商升级周期驱动 [5][19] - 建议重点布局算力硬件上游，以及能将多模态推理能力落地于实体场景的平台型公司，关注标的包括英伟达、特斯拉、LITE、AVGO、GOOG等 [5][19] 根据相关目录分别进行总结 美股科技公司动态 - **台积电2025年第四季度及全年业绩超预期**：25Q4营业收入337.0亿美元，超彭博一致预期3.3%；毛利率62.3%，超预期2.8%；调整后净利润162.9亿美元，超预期10.4% [2][11]。2025年全年营业收入1225.6亿美元，超预期2.2%；毛利率59.9%，超预期1.0%；调整后净利润552.7亿美元，超预期4.2% [2][11] - **台积电业务结构以HPC为核心**：25Q4，高性能计算（HPC）收入占比55%，环比增长4%；智能手机平台占比32%，环比增长11% [2][11]。2025年全年，HPC收入同比增长48%，占总收入58% [2][11] - **台积电先进制程占比高且持续提升**：25Q4，3纳米制程收入占比28%，5纳米占35%，7纳米占14%，先进制程（≤7纳米）合计占比77% [11]。2025年全年，3纳米占比24%，先进制程占比74% [11] - **台积电制程技术进展顺利**：N2制程已于25Q4在新竹与高雄同步进入量产，良率表现良好，预计2026年快速放量；N2P与A16制程均计划于2026年下半年量产 [12] - **台积电发布强劲资本开支与业绩指引**：2026年资本支出计划达520-560亿美元，较2025年的409亿美元大幅增长 [2][12]。公司预计2026年收入将实现接近30%的同比增长，高于Foundry 2.0行业约14%的增长水平 [2][12]。预计26Q1收入为346–358亿美元，毛利率为63%–65% [2][12] 科技行业动态 - **Anthropic推出AI Agent功能Cowork**：Cowork核心定位是“协作”，能让Claude以“自主代理”方式工作，具备理解任务、制定计划、持续执行、与用户协同的能力 [3][13]。该功能允许Claude直接访问用户指定的本地文件夹进行读取、编辑、创建文件等操作，并支持多任务排队和并行处理 [3][13] - **Cowork具备更高自主性与安全性**：Claude能根据任务制定计划并执行，同时利用现有连接器链接外部信息以增强文档创建等能力 [14]。用户保持控制权，需明确授权Claude访问的文件夹和连接器，Claude在执行重大操作前会征求用户同意 [14] - **Cowork目前处于研究预览阶段**：限Claude Max订阅者在macOS应用中使用，后续计划改进并扩展到Windows等平台 [3][15] - **美国自动驾驶法规取得关键进展**：2026年1月13日，美国众议院能源与商务小组委员会审议了2026年SELF DRIVE Act草案 [4][17]。草案拟将每家制造商每年可部署的不符合传统安全标准（如无方向盘/踏板）的车辆豁免上限，从现行的2500辆大幅提升至9万辆 [4][17]。草案明确联邦优先权，即车辆符合联邦安全标准后，各州或城市不得禁止其上路 [4][17] - **服务器CPU市场供不应求，厂商计划提价**：根据KeyBanc报告，AMD和英特尔今年的服务器CPU库存均已售罄 [4][18]。需求主要来自超大规模云厂商将最新服务器CPU整合到现有机柜架构 [4][18]。AMD/英特尔计划将服务器CPU价格上调最高15%以确保供应稳定 [4][18]。KeyBanc预计今年服务器CPU出货量将增长25% [18]

AI与科技行业 - 马斯克向OpenAI和微软提出高达1340亿美元的赔偿要求，指控其背弃非营利初衷并构成欺诈 [1] - OpenAI联合创始人透露，马斯克在公司早期曾表示需要持有其多数股权，这揭示了双方在发展方向上的分歧 [11] - OpenAI计划在美国部分用户的ChatGPT应用内测试定向广告，包括免费版和月费8美元的Go套餐用户，以推动营收多元化 [12] - 人工智能初创公司ElevenLabs正洽谈新一轮融资，公司估值可能达到110亿美元 [13] - 硅谷公司Kilo在编程产品Slack中，将其默认模型切换为国产大模型MiniMax M2.1，该模型在LMArena基准测试中排名第四 [14] - 数据库管理公司ClickHouse完成4亿美元D轮融资，估值达到150亿美元 [13] 汽车与出行行业 - 阿维塔官方辟谣，称南宁15车连撞事故原因为驾驶员超速导致，车辆辅助驾驶功能未激活 [1][3] - 鑫源汽车宣布未来5年将累计投入约100亿元，用于智能新能源多功能车研发与全球化布局，计划推出17款全新车型 [8] - 现代汽车计划将旗下高端化品牌引入中国市场，并计划未来4-5年推出20款新车，目标年销50万辆 [9] - 马鲁蒂铃木计划在印度投资39亿美元（约3500亿卢比）建设新工厂，预计2029财年投产，将增加至多100万辆年产能，使其总年产能增至240万辆 [12] - 2026款福特烈马上市，共推出6款车型，官方指导价格区间为29.98万元至39.98万元 [14] - 萝卜快跑在阿联酋阿布扎比启动面向公众的全无人驾驶商业化运营，标志着中国无人驾驶技术在国际化进程中迈出关键一步 [9] 航空航天与高端制造 - 星河动力航天的谷神星二号民营商业运载火箭首次飞行试验任务失利，具体原因正在分析排查 [6] - SpaceX猎鹰9号火箭成功将NROL-105送入轨道，完成第600次猎鹰系列发射任务 [12] - 英伟达H200芯片的印刷电路板等核心零部件生产商已暂停生产，以避免库存减值 [7] 企业动态与战略 - 万达轻资产平台珠海万达商管任命许粉为新任CEO，陈琦为新任COO [7] - 追觅科技创始人俞浩重申其目标是打造人类历史上第一个百万亿美元市值的公司，并表示将用二十年时间奋斗 [7] - 阿迪达斯大中华区新总部办公楼在上海徐汇滨江正式交付，整栋共18层，总建面约3.24万平方米，预计2026年第四季度投入使用 [9] 融资与资本市场 - 脑机接口技术公司上海术理智能完成数亿元B+轮融资 [14] - 高端微创介入医疗器械研发商苏州赛纳思医疗完成超亿元A轮融资，资金将用于推进核心产品的临床开发及国际化布局 [14] 政策与宏观环境 - 工信部修订发布《优质中小企业梯度培育管理办法》，首次将科技型中小企业纳入梯度培育范围 [16] - 截至2025年底，香港注册公司总数达155.7万家，创历史新高，较前一年增长6.6%；2025年新成立及迁册公司合计达19.53万家，增幅34.7% [16][17] - 工信部等六部门联合印发《新能源汽车废旧动力电池回收和综合利用管理暂行办法》，预计到2030年国内动力电池回收市场规模将突破千亿元 [17]

文章核心观点 - 广东特别是广州已形成成熟的智能驾驶产业生态 以“小马智行”和“文远知行”为代表的“智驾双雄”正引领中国自动驾驶技术在全球赛道突围 并依托万亿级汽车产业集群 加速技术落地和全球化拓展 [1][3][4][5] 行业与区域发展态势 - 智能驾驶在广州已成为日常出行标配 能在晚高峰车流、城中村复杂道路及机场通勤等场景中从容应用 [1] - 广东以“双雄引领 全域协同”的姿态在全球智驾赛道强势突围 [1] - 广东拥有1.85万亿元汽车产业生态作为坚实托底 [3] - 广州已形成9家整车企业、超千家零部件厂商集聚的产业集群 构建了从算法、硬件、整车到场景的完整生态 [3][4] - “双智试点+多点协同”的布局让自动驾驶在更大范围内加速落地 [4] - “十四五”期间 广州累计生产智能网联新能源汽车达225万辆 [4] - 广东构建起万亿级“智车之城”生态 正以集群之力重塑全球智能驾驶产业格局 [4][5] 领先公司表现与里程碑 - 小马智行与文远知行于2025年11月6日同日在香港交易所上市 成为全球仅有的两家实现美股+港股双重上市的自动驾驶企业 [1] - 截至2025年底 小马智行自动驾驶出租车车队规模超千台 并成为中国首个在北京、上海、广州、深圳四大一线城市均提供自动驾驶出行服务的企业 [3] - 文远知行在全球11个国家、超40个城市开展自动驾驶研发、测试及运营 运营天数超2300天 是全球唯一旗下产品同时拥有8个国家自动驾驶牌照的科技公司 [3] - 小马智行从2016年入驻南沙 于2020年获得一线城市测试许可 [1] - 广州诞生了亚洲规模最大的飞行汽车公司——小鹏汇天 [4] 产业影响与全球化 - “智驾双雄”是从广州科创土壤中成长起来的企业 正成为全球智驾赛道上的中国名片和“新广货”走向世界的代表 [3] - 2025年比亚迪首次超越特斯拉 成为全球电动汽车销量第一 [4] - 广东智驾企业已走向全球 从广州到迪拜 从亚洲到欧洲 [4] - 应用场景日益多元 从日常通勤到赛事保障 从地面车队到小鹏汇天的飞行汽车 [4]

核心观点 - 广东依托雄厚的汽车产业生态和开放的应用场景 培育出小马智行与文远知行两家全球领先的自动驾驶企业 并以“双雄引领 全域协同”的模式在全球智能驾驶赛道强势崛起 正在重塑全球产业格局 [2][6][10] 双雄崛起：全球领先的自动驾驶企业 - 小马智行与文远知行于2025年11月6日在香港交易所同日上市 成为全球仅有的两家实现美股+港股双重上市的自动驾驶企业 [2][3] - 小马智行在九年间成为中国首个在北京、上海、广州、深圳四大一线城市均提供自动驾驶出行服务的企业 [5] - 截至2025年底 小马智行自动驾驶出租车车队规模超千台 [5] - 文远知行在全球11个国家、超40个城市开展自动驾驶研发、测试及运营 运营天数超2300天 [5] - 文远知行是全球唯一旗下产品同时拥有8个国家自动驾驶牌照的科技公司 [5] 产业生态：万亿级智车之城的坚实托底 - 双雄崛起的背后是广东1.85万亿元汽车产业生态的坚实托底 [6] - 作为产业核心的广州 已形成9家整车企业、超千家零部件厂商集聚的产业集群 [6] - 广东构建起算法层、硬件层、整车层、场景层的完整智能驾驶生态 [6] - 2025年比亚迪首次超越特斯拉 成为全球电动汽车销量第一 [6] - “十四五”期间 广州累计生产智能网联新能源汽车225万辆 [6] - 广州诞生了亚洲规模最大的飞行汽车公司——小鹏汇天 [6] 发展布局：从区域协同到全球竞逐 - 广东形成“双智试点+多点协同”的布局 广州、深圳、佛山、惠州、东莞、中山的产业集群正在形成 [6] - 广东智驾企业已走向全球 从广州到迪拜 从亚洲到欧洲 [7] - 应用场景从日常通勤延伸到赛事保障 并从小鹏汇天的飞行汽车拓展至天空出行领域 [7] - 广东以“双雄引领 全域协同”的姿态 通过完善的产业链与开放的应用场景 以集群之力重塑全球智能驾驶产业格局 [2][6][10]